2026.07.06

モデルの賢さ競争は終わった――AIの次の投資先は「評価とガバナンス」

TL;DR

Databricksのチーフサイエンティストが「AIはもう十分賢い、ボトルネックは評価だ」と明言した。記事
Palantir CEOはOpenAI/Anthropicのビジネスモデルを名指しで批判し、NVIDIAと組んで「顧客が重みを所有する」モデルを対置した。記事
AWSの実数は、トークン消費が企業のコスト管理の対象になり始めたことを示す。「賢さ」から「経済性・信頼性」への話題の移行が複数の場所で同時に起きている。記事

本命:モデルの賢さ競争は終わった――AIの次の投資先は「評価とガバナンス」

DatabricksのチーフAIサイエンティスト、ジョナサン・フランクル氏(MosaicML共同創業者)がインタビューで語った内容が、今日の素材の中で最も骨がある。要旨は明快だ。今のAIモデルはもう十分賢い。仮に性能向上がここで止まっても、既存モデルの活用法を考える仕事だけで数十年分残る。本当のボトルネックは「AIが良い仕事をしたとどう確かめるか」という評価とガバナンスだ、という主張。

技術的読み

フランクル氏の論点は人間との比較から立ち上がる。人間の従業員は半年〜1年に1度の定性評価で足りるが、AIには通用しない。理由は自動運転にたとえるとわかりやすい。人間は免許試験に一度合格すれば公道を走れるが、自動運転ソフトは一度試験に通っても即座に大量展開はできない。1つのバグが同じソフトを積む全車両に同時に波及するからだ。だからAIには人間よりも「桁違いに厳密な評価」が要る、という理屈である。

彼が示す具体的な基準がひとつの目盛りになる。「70%正しく動くのでは不十分。90%でも足りない。本当に信頼できなければならない」。自社のエージェントやAI機能の正答率をこの物差しに当ててみると、多くのプロダクトは「デモは通るが本番の基準には届いていない」ことに気づくはずだ。

本質的な難所は技術ではなく知識の言語化にある。「良い仕事とは何か」という人間の頭の中の暗黙基準を、チェックリストに落とし込むこと自体が難しい。フランクル氏はこれを「次の巨大モデルを作るよりはるかに難しい研究課題」であり、解決に10年以上かかる可能性もあると述べている。モデルの性能はOpenAIやAnthropicといったプロバイダー任せにできるが、「何が良い仕事か」を定義するのはユーザー自身の仕事だ、という切り分けが的確だ。

ビジネス的読み

UE/コスト構造で見ると、評価・ガバナンスは一回きりのモデル選定と違い、恒常的な運用コストになる。ラベリング、ルーブリック設計、モニタリングという「人間の判断労働」がコストの主戦場に移る。

内製 vs プラットフォーム吸収の観点では危うさもある。Databricksはこの主張をMLflowという自社OSS製品の売り込みに直結させている。つまり「評価インフラ」という工夫は、いずれDatabricksや競合の観測性プラットフォームに丸ごと吸収されうる。自前でゼロから評価基盤を作り込みすぎるのは、数年後にコモディティ化するものへの過剰投資になりかねない。

一方で守れる資産もある。評価ツールそのものはコモディティ化しても、「自社にとって良い仕事とは何か」というルーブリックと、そこに蓄積された失敗事例の履歴は簡単には模倣されない。これはソフトウェアというより組織の判断力に近く、モデル上流の解釈資産として堀になりうる。

運用負荷の面では皮肉な逆転がある。評価は「AIにAIを評価させれば楽になる」類のタスクではなく、むしろAIがまだ自力でブートストラップできない領域だ。つまり当面は人間が定義したルーブリックに依存し続ける、労働集約的なボトルネックとして残る。

市場のポジショニングは再区分されつつある。モデル品質で競う土俵はコモディティ化に向かい、評価・ガバナンス・観測性という別の土俵に投資が向かう。

逆張り・見落とし

割り引いて読むべき点もある。フランクル氏はまさに評価・ガバナンス製品を売る会社の人間であり、「ボトルネックはモデルではなく評価だ」という主張は自社の商材の正当化にもなっている。ポジショントークとしての側面は無視できない。加えて「モデルはもう十分賢い」自体が反証可能な強い主張で、OpenAIやAnthropicが今後も能力の不連続な跳躍を出し続けるなら、評価の重みづけによる信頼性確保という前提そのものが緩む可能性もある。

含意とポジション

作るべきものと捨てるべきものがはっきりしている。捨てるべきは「次のモデルに乗り換えれば品質が上がる」という発想への依存。作るべきは、自社にとっての「良い仕事とは何か」を定義した、なるべく軽量で汎用ツールに縛られない評価パイプラインだ。

テンプレ化の可否で言えば、評価インフラの「仕組み」自体はテンプレ化・パッケージ化されうる(MLflowのような形で吸収される)。しかし「何を測るか」という自社固有の物差しはテンプレ化できない。ここが投資対象として残る。

スタンス更新としては、モデル選定に時間をかけるより、自社の出力品質を測る仕組みに時間を投資する方がレバレッジが高い、という判断に更新しておく価値がある。

その他の重要トピック

Palantir CEOがOpenAI/Anthropicのビジネスモデルを批判

記事

Palantirのアレックス・カープCEOが、OpenAIやAnthropicを名指しし「彼らが自らの競争優位性を構築するために、なぜ顧客がデータへのアクセス権を渡さなければならないのか」と批判した。同時に、NVIDIAとの提携で、政府機関向けにNVIDIA Nemotron(オープンモデル)をベースにした「フロンティア級」カスタムモデルを、外部から隔離されたエアギャップ環境で構築し、重み(ウェイト)を含む完全な所有権を顧客側に残す構想を打ち出している。

技術的には「オープンモデルを最先端水準まで引き上げられる」という主張自体がまだ検証待ちで、実際の性能差は公開ベンチマーク待ちだ。ビジネス面では、これはモデル提供企業の「トークン課金+顧客データによるモデル強化」というビジネスモデルへの正面からの批判であり、堀の所在をめぐる論争そのものと言える。データ主権・IP保護を訴求点にした差別化戦略だ。

so what:顧客データがAPI経由でモデル強化に使われるリスクを許容できない業種(政府・重要インフラ・金融)には、重みの所有権という差別化は刺さる。一方で一般的な小規模プロダクトには、エアギャップ運用のコストと複雑性はオーバースペックであり、むしろ真似すべきでない選択肢だ。確信度は中程度。カープ氏の発言はポジショントークの色が強く、NVIDIA提携が実際にどこまで機能するかは未確認。

AWS「コスト抑制の動きある」――トークン消費問題

記事

米Amazonによると、Amazon Bedrockの第1四半期の処理トークン数は過去全期間の合計を上回り、顧客支出は前四半期比170%増。これを踏まえ、AWS Japanの幹部はインタビューで「トークン消費をコストと捉えて抑制する動きがある」と述べた。AWS側は単価だけでなくTCO(総所有コスト)の観点でバランスを取るべきだと強調している。

技術面での新規性はないが、ビジネス面では「トークン消費=無条件に善」という空気が終わり、ROIの説明責任を求められる段階に入った兆候として読める。

so what:小規模founderにとっても、単価だけでなく生成物が実際に生んだ売上・利益まで含めたTCOで語れないと、AI予算は今後精査の対象になる。「トークン消費量」だけを追う社内KPIは危険信号であり、成果に紐づく指標に置き換えておく方がいい。

Program-as-Weights――自然言語仕様をコンパイルして安価に実行する

arXiv

ログ監視、壊れたJSONの修復、検索結果のランキングのような「ルールベースでは書きにくいがLLM APIに丸投げすると再現性とコストを失う」タスクを、自然言語仕様から局所実行可能な小さなニューラル成果物にコンパイルする「fuzzy-function programming」という提案。4Bのコンパイラモデルが、自作の1,000万例データセット「FuzzyBench」で学習され、凍結された軽量インタプリタ向けにパラメータ効率の良いアダプタを出力する。0.6BのQwen3インタプリタが、Qwen3-32Bへの直接プロンプトと同等の性能を、推論メモリ約1/50、MacBook M3上で30トークン/秒というスピードで達成したという。

技術的には、基盤モデルを「毎回の問題を解くソルバー」から「一度だけ呼び出されるツール作成者」に転換する発想が芯になっている。関数定義のたびに1回だけ大モデルを使い、以降の呼び出しは安価なローカル実行で済ませる、という構図。

so what:タスクの抽象度に応じて安価・決定的な手段に落とし込むという原則の具体化であり、自社プロダクトの中に「毎回同じ種類の判断をAPIに投げているだけの箇所」があるなら、将来この種の手法でコンパイル・ローカル化しコスト構造を変えられる可能性がある。ただし単一論文の研究段階であり、汎化性・再現性は未検証。今すぐの採用は避けるべきで、signalではあるがnoise寄りの段階として扱うのが妥当。

Microsoftが4,800人を削減

The Verge

Microsoftが全社員の約2.1%にあたる4,800人を削減、主にXboxと商用営業部門が対象。Xboxは年度末までに部門全体で約20%の削減を計画している。社内メモは「削減された役職がAIに置き換えられたわけではない」としつつ、「AIが仕事のやり方を変えている」とも述べており、因果関係をぼかした言い方になっている。

so what:大手が人員削減とAI投資を同時に進める動き自体は今回が初めてではなく、これ単体を「AIが仕事を奪った」証拠として一般化して読むのは早計だ。組織再編の理由は営業・ゲーム事業固有の事情も大きく、AI起因という単純な図式に寄せるのはhype寄りの読み方であり、無視していい部類に近い。

今週試すなら / 無視していい hype

今週試すなら:自社のAIエージェントや機能について「良い仕事とは何か」を3〜5項目のチェックリストに書き出し、直近の出力にざっと手動採点してみる。フランクル氏の議論のミニ実践であり、自分のプロダクトが「70%で止まっているのか、90%を超えているのか」の現在地を掴むだけでも価値がある。

無視していいhype:「Microsoftの大量解雇=AIが仕事を奪った」という短絡的な図式化。組織再編は通常運転であり、今回の材料だけではAI起因と断定する根拠が薄い。同様に「Program-as-Weightsのような論文はすぐ本番投入できる」という早合点も避けたい。数字自体は魅力的だが、単一研究の段階でありプロダクション適用までは距離がある。